目录

前言

一、项目要求

二、项目分析

1、获取图像

2、选择区域

3、区域像素检测

4、报警

三、实战

1、获取图像

2、选择区域

3、区域像素检测

4、报警

5、全部代码

前言

大学时候，曾经暑假在学校值班，当时一个学长在准备考研，学长是我在计算机视觉的引路人，当时我们要做一件事，就是监控火警灯，因为火警报警器出故障了，当时学长跟我说，可以做一个自动识别然后进行报警的装置。这样就不用每时每刻都盯着它，就可以把精力放在其他事情上。

这个项目化简一下，我们就可以变成如下这个项目，用我们最近学习的读写像素就可以完成啦。

一、项目要求

下面是火警等一系列监控界面，监控正常情况如下：

火警只有在有地方的烟感设备监测到有烟出现，才会亮灯并且报警。

当监控出现问题时，故障就会亮灯。

但是监控器出故障之后：

火警预警灯就会定期闪亮，并且没有报警；

故障灯一直常亮状态；

为了防患于未然，学校的要求是，只要有火警灯亮起，就必须到报警地查看情况，如果没有问题，回到监控室，手动关闭火警灯。

现在我们要做的就是通过摄像头自动监控火警灯，如果亮起，发出警报！

二、项目分析

我们目前学习了几个最基本的内容：

图像输入、输出、保存

Mat类

基本数据类型

像素基本操作（获取像素指针、控制像素范围、读写像素）

我们就要用上面的来完成该项目。

我们分析一下这个项目，主要分为如下步骤：

1、获取图像

原项目是通过视频流获取图像，现在我们没有具体得环境，就只能用图片，检测原理是一样的。我们要先获取图像，保证图像能够正确读取，才能完成后续操作。

2、选择区域

遍历所有图像的运算速度是非常慢的，为了加快运算效率，我们要选择缩小区域进行检测。所以我们要选择如下区域：

因为只有上面的几个基本内容，那我们就没有办法使用更多的东西进行定位，我们定位的方式就是通过反复检测，然后找到一个合适的区域：

（1）尽可能只包含火警区域；

（2）不受摄像头抖动影响，所以摄像头轻微抖动，火警灯依然在范围内；

3、区域像素检测

获取火警灯位置的像素，并根据像素值选定亮灯及灭灯像素范围。

但是我们发现，灭灯状态，和火警外面的圆角矩形边框的颜色是类似的，所以检测灭灯容易出现误报。而亮灯的灯光像素应该是很明显的，再加上灯只有灯亮和灯灭两种状态，所以我们只需要检测亮灯的像素范围就好。在像素范围内，就说明亮灯，不在像素范围内，就说明灭灯。

当我们确定了亮灯的像素范围后，我们就需要实时监测我们选择的区域像素，并判断是否有像素在我们上面规定好的范围之内。

4、报警

一旦出现有大量的像素点满足在范围之内，那我们就报警。所以我们要设定一个阈值，达到多少时，我们认为是火警灯亮。

为什么我们要检测到大量呢？

因为根据环境光线不同，一旦出现反光，也会导致出现部分点满足范围。

三、实战

1、获取图像

首先我们要获取图像。这个用到我们最开始的图像的读入，理论上我们是要使用摄像头，然后获取帧，在这里，我们就直接读入图片吧！这并不影响后续的操作，也没有改变检测原理。代码如下：

  Mat src = imread("./image/1.png"); //1.png 是亮灯， 2.png 是灭灯  if (!src.data)  {   cout << "ERROR : could not load image.n";   return -1;  }

2、选择区域

然后需要我们获取区域，最直接的方法就是凭感觉去设定，然后不断调整找到一个合适的区域。

当然如果我们学的更多的话，我们可以用到更多的功能去获得区域，比如当时我尝试了如下方式：

（1）给那个区域贴上红纸，检测红纸；

（2）使用文字识别模块，检测火警文字，然后获取区域。

现在我们学的内容比较少，就用最简单、最直接的方式吧！

代码如下：

  //不断调整Rect，找到对于我的比较合适为Rect(70, 60, 150, 60)。  Mat src_ROI = Mat(src, Rect(70, 60, 150, 60));  imshow("src_ROI", src_ROI);

区域如下：

3、区域像素检测

获取火警灯位置的像素，并根据像素值选定亮灯及灭灯像素范围。

我们要检测的区域为：

这是一个22×22的正方形区域，因为亮灯区域是一个圆形区域，所以，我们考虑准确度，那我们在检测像素，应该是检测到图像中心距离为11像素范围内的图像：

  int max_B = 0, max_G = 0, max_R = 0;  int min_B = 255, min_G = 255, min_R = 255;   //半径为9的圆区域像素  for (int i = 0; i < light.rows; i++)  {   for (int j = 0; j < light.cols; j++)   {    if ((i - 11)*(i - 9) + (j - 9)*(j - 9) <= 81) {     Vec3b BGR = light.at<Vec3b>(i, j);     int B = BGR.val[0];     int G = BGR.val[1];     int R = BGR.val[2];     cout << "[" << B << ", " << G << ", " << R << "]t";      if (B > max_B) max_B = B;     else if (B < min_B) min_B = B;     if (G > max_G) max_G = G;     else if (G < min_G) min_B = G;     if (R > max_R) max_R = R;     else if (R < min_R) min_R = R;    }      }   cout << endl << endl;  }  cout << "B: [" << min_B << ", " << max_B << "]" << endl;  cout << "G: [" << min_G << ", " << max_G << "]" << endl;  cout << "R: [" << min_R << ", " << max_R << "]" << endl;

检测的结果如下：

如果想让精度更高，我们可以缩小范围，比如到图像中心距离为10那么检测到的结果如下：

我们可以根据上面我们获得的范围，来选择我们的范围，比如我们的像素范围可以是：

B : ≥125；G : ≥ 155；R : ≥ 228；

4、报警

一个半径为10的圆形中间的像素点的个数肯定大于边长为10的正方形中间的像素点的个数。

边长为10的正方形有100个像素点。那我们的阈值，可以设为100，只要我们检测到满足上面的范围的像素点的个数大于100时，就认为火警灯亮起。为了查看哪些点被检测出来，我们将这些点的像素值修改为黑色。

火警灯亮起，我们给出提示。

  int num = 0;  //按列遍历，效率更高  for (int i = 0; i < src_ROI.cols; i++)  {   for (int j = 0; j < src_ROI.rows; j++)   {    BGR = src_ROI.at<Vec3b>(j, i);    if (BGR.val[0] >= min_B && BGR.val[1] >= min_G && BGR.val[2] >= min_R) {     src_ROI.at<Vec3b>(j, i)[0] = 0;     src_ROI.at<Vec3b>(j, i)[1] = 0;     src_ROI.at<Vec3b>(j, i)[2] = 0;     num++;     //cout << "num = " << num << endl;    }    }  }  if (num > 100) {   cout << "亲，疑似火警，请亲临现场查看！" << endl;  }  imshow("new_src_ROI", src_ROI);

结果如下：

5、全部代码

全部代码如下：

 /*  作者：水亦心  内容：core-像素基本操作实战之报警灯检测  时间：2020年5月20日 */ #define INPUT_TITLE "input image"  #include<iostream> #include<opencv2opencv.hpp>  using namespace std; using namespace cv;   int main() {  //////////////////////////////// 获取图像 ////////////////////////////////   Mat src = imread("./image/1.png"); //1.png 是亮灯， 2.png 是灭灯  if (!src.data)  {   cout << "ERROR : could not load image.n";   return -1;  }    //////////////////////////////// 选择区域 ////////////////////////////////   //不断调整Rect，找到对于我的比较合适为Rect(70, 60, 150, 60)。  Mat src_ROI = Mat(src, Rect(70, 60, 150, 60));  imshow("src_ROI", src_ROI);   ////////////////////////////// 区域像素检测 //////////////////////////////  Mat light = imread("./image/3.png"); //光区域  if (!light.data)  {   cout << "ERROR : could not load light image.n";   return -1;  }  int max_B = 0, max_G = 0, max_R = 0;  int min_B = 255, min_G = 255, min_R = 255;  int B, G, R;  Vec3b BGR;  //半径为9的圆区域像素  int k = 0;  for (int i = 0; i < light.rows; i++)  {   for (int j = 0; j < light.cols; j++)   {    if ((i - 11)*(i - 11) + (j - 11)*(j - 11) <= 100) {     BGR = light.at<Vec3b>(i, j);     B = BGR.val[0];     G = BGR.val[1];     R = BGR.val[2];     //cout << "[" << B << ", " << G << ", " << R << "]t";      //light.at<Vec3b>(i, j)[0] = 0;     //light.at<Vec3b>(i, j)[1] = 0;     //light.at<Vec3b>(i, j)[2] = 0;     //imshow("new light", light);      if (B > max_B) max_B = B;     if (B < min_B) min_B = B;     if (G > max_G) max_G = G;     if (G < min_G) min_G = G;     if (R > max_R) max_R = R;     if (R < min_R) min_R = R;    }      }   //cout << endl << endl;  }  cout << "B: [" << min_B << ", " << max_B << "]" << endl;  cout << "G: [" << min_G << ", " << max_G << "]" << endl;  cout << "R: [" << min_R << ", " << max_R << "]" << endl;  cout << endl;    //Mat test = Mat(100, 100, CV_8UC3, Scalar(min_B, min_G, min_R));  //imshow("test", test);  //////////////////////////////// 监测及报警 ///////////////////////////////     int num = 0;  //按列遍历，效率更高  for (int i = 0; i < src_ROI.cols; i++)  {   for (int j = 0; j < src_ROI.rows; j++)   {    BGR = src_ROI.at<Vec3b>(j, i);    if (BGR.val[0] >= min_B && BGR.val[1] >= min_G && BGR.val[2] >= min_R) {     src_ROI.at<Vec3b>(j, i)[0] = 0;     src_ROI.at<Vec3b>(j, i)[1] = 0;     src_ROI.at<Vec3b>(j, i)[2] = 0;     num++;     //cout << "num = " << num << endl;    }    }  }  if (num > 100) {   cout << "亲，疑似火警，请亲临现场查看！" << endl;  }  imshow("new_src_ROI", src_ROI);   waitKey(0);  return 0; }

如果我们更换一下图片，我们使用未亮灯图片，没有提示，也没有任何改变：